基于贝叶斯动态模型的惯组误差系数标定方法研究

由于各种因素影响，惯组在逐次通电测试中，误差系数会产生漂移。目前使用的AR(1)标定方法不能对这种漂移很好地预测，因此，提出基于贝叶斯动态模型的标定方法。计算结果表明，这种方法提高标定精度48％。     

指数寿命型序贯抽样的Bayes估计

序贯抽样一般只给出试验结束时“接受”或“拒收”的判断。本文给出在对指数寿命型设备进行序贯试验,当作出“接受”判断时,失效率的Bayes点估计及其Bayes置信上限,并给出了数值例。     

分类和预测问题中名词型属性的一种预处理方法

在分类和预测任务中，包含大量不同取值的名词型属性使那些要求数值型输入的回归算法难以使用。该文提出一种基于经验贝叶斯统计方法的预处理方法，对这一类名词型属性进行变换，使之能用于预测建模。首先介绍了变换的统计学原理，然后给出了实现方法。分析表明，此方法简单易行，缩放性较好，而且在处理缺失数据时具有明显的优势。     

成败型产品验收试验方案研究

在可靠性定型试验的基础上，利用多层贝叶斯方法确定批产品可靠性指标的先验分布，从而制定出成败型产品可靠性验收试验的一种贝叶斯方案，给出利用定型试验信息确定产品可靠性指标先验分布的方法，这种验收方法充分利用了产品定型试验中的先验信息，在确保有较好验收效果的前提下，与传统的验收试验相比，可以大大减少试验量，从而得到可观的经济效益。     

关于广义测度与泛函空间积分下随机变量Bayes公式的拓广

在讨论了可测空间（，），（Ｘ，）中条件数学期望Ｅ［ｇ（θ）ξ］的Ｂａｙｅｓ公式的基础上，进一步研究了广义测度Ｇ＝Ｇ（Ａ），Ａ∈下Ｅ［ｇ（θ）｜ξ］的Ｂａｙｅｓ公式的拓广以及将泛函空间积分代替按基本结局空间积分的Ｅ［ｇ（ξ，θ）｜］（ω）的Ｂａｙｅｓ公式的拓广，为进一步扩大Ｂａｙｅｓ估计的应用范围提供了可靠的理论依据与一种新的有价值的方法。     

辐射防护中某些参数的贝叶斯统计处理

贝叶斯统计理论在风险评价和可靠性分析等方面有着广泛的应用.本文简单介绍了贝叶斯统计理论,讨论了贝叶斯统计理论处理辐射防护监测中某些参量误差的方法.对只能进行小样本测量的某些辐射防护监测量,尤其与人体有关的某些参量,如对放射性内污染监测等,利用该方法能作出较为客观、科学的误差分析.     

基于动态贝叶斯网络的汉语方言辨识

方言的差异性在语音层面上反映在时间序列结构的不同。传统的语音建模方法只能建立稳定的时间序列结构,而方言语音是典型的动态时变时间序列结构。为了更好地提取方言时间序列结构,文中采用动态贝叶斯网路（DBN）进行建模分析,并对DBN的构建方法进行了研究,这种结构与常用于语音识别中的隐马尔可夫模型的不同之处在于它揭示多个时间片内的节点之间的影响。文中探索了不同结构和参数对识别效果的影响。文中的研究表明动态贝叶斯网络对汉语方言的识别比传统方法要好,识别率达到了98．9％。     

基于小样本学习的图像分类技术综述

图像分类的应用场景非常广泛, 很多场景下难以收集到足够多的数据来训练模型, 利用小样本学习进行图像分类可解决训练数据量小的问题. 本文对近年来的小样本图像分类算法进行了详细综述, 根据不同的建模方式, 将现有算法分为卷积神经网络模型和图神经网络模型两大类, 其中基于卷积神经网络模型的算法包括四种学习范式: 迁移学习、元学习、对偶学习和贝叶斯学习; 基于图神经网络模型的算法原本适用于非欧几里得结构数据, 但有部分学者将其应用于解决小样本下欧几里得数据的图像分类任务, 有关的研究成果目前相对较少. 此外, 本文汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较. 最后, 讨论了小样本图像分类技术的难点及未来研究趋势.